如何用sed正则提取文件中分号分隔的指定子串

原始输入文本 #

10|subpath ; xxx ; xxx ; xxx ; xxx ; substring ; xxx ; ......
12|subpath ; xxx ; xxx ; xxx ; xxx ; substring ; xxx ; ......
18|subpath ; xxx ; xxx ; xxx ; xxx ;  ; xxx ; ......

提取需求 #

• 提取每行第一个分号之前的内容
• 提取每行第五个与第六个分号之间的子串（该子串可能为空，前后可能带空格）

输出格式要求 #

10|subpath;substring_fs
12|subpath;substring_fs
18|subpath;fs

规则说明 #

• 如果提取的子串为空，替换为fs
• 如果子串非空，在子串末尾追加_fs

实现的sed命令 #

sed -E 's/^([^;]+);.*;.*;.*;.*;\s*([^;]*)\s*;.*/\1;\2_fs/; s/;_fs/;fs/' input.txt

命令解释 #

1. -E 参数启用扩展正则表达式，减少正则里的转义字符，让命令更简洁
2. 第一个替换规则：
   • ^([^;]+)：匹配并捕获第一个分号之前的所有内容（记为捕获组1）
   • ;.*;.*;.*;.*;：跳过前四个分号分隔的内容，定位到第五个分号之后
   • \s*([^;]*)\s*：匹配并捕获第五、六个分号之间的子串，同时自动去掉子串前后的空格（记为捕获组2）
   • \1;\2_fs：用捕获组1 + 分号 + 捕获组2 + _fs 替换整行内容
3. 第二个替换规则：
   • 当捕获组2为空时，第一个替换会生成;_fs，这条规则把它替换成;fs，满足空串填充fs的要求

内容的提问来源于stack exchange，提问作者cctv